人类脑电中图像表征的协同漂移

在许多动物系统中，感觉表征会随时间漂移，但人类中的证据仍然有限。此外，尽管存在表征漂移，知觉如何保持稳定仍不清楚。在此，我们使用了 THINGS-EEG2——一个包含多次重复呈现自然图像会话的数据集——来检验图像诱发的 EEG 反应是否会在不同记录会话之间漂移，以及这种漂移是否受到几何约束。我们发现，图像特异的 EEG 反应模式以跨通道协调的方式漂移，并集中在编码图像身份的维度上。尽管这平均而言损害了跨会话解码准确率，但其效应是异质的：一些图像对变得更难区分，而另一些则变得更易分离。关键的是，全局距离统计量和图像反应空间的维度在不同会话之间得以保持。模拟表明，下游 Hebbian 网络对保持维度的结构化漂移的适应速度快于非结构化漂移。这些发现表明，人类感觉表征可以随时间变化，同时仍能通过无监督学习机制实现快速补偿。

中文由 AI 翻译，仅供参考，以原文为准。